openai-whisper-realtime

低延迟实时音频转录，依赖高性能硬件和Python生态

OpenAI Whisper 实时转录 Python 音频输入依赖项 Github 开源项目

openai-whisper-realtime是一个几乎实时转录音频的实验项目，使用Python和OpenAI Whisper处理音频。该项目依赖高性能CPU或GPU，使用sounddevice、numpy和asyncio等库。当前目标包括提升转录性能、优化断词检测和动态分割。

Github

介绍相关项目

faster-whisper-medium - CTranslate2优化的Whisper medium模型支持多语言音频处理

CTranslate2GithubHuggingfaceWhisper开源项目机器翻译模型模型转换语音识别

这是OpenAI Whisper medium模型的CTranslate2优化版本，支持100多种语言的音频转录和识别。模型采用float16量化，通过faster-whisper库易于集成。它具有高效的推理速度和较小的内存占用，适合快速、准确处理多语言音频的应用场景。用户可根据需求调整计算类型，平衡性能和资源消耗。该模型为开发者提供了灵活、高效的多语言音频处理解决方案。

whisper-web - 浏览器端实时语音识别技术

GithubTransformers.jsWebGPUWhisper Web开源项目浏览器应用语音识别

Whisper Web是一个基于机器学习的浏览器端语音识别项目。它利用 Transformers.js 技术，在客户端实现实时语音处理，无需服务器支持。该项目提供在线演示和本地部署选项，并正在开发 WebGPU 支持以提高性能。Whisper Web 展示了 Web 技术在语音识别领域的应用潜力，为开发者提供了一个便捷的语音识别解决方案。

yt-whisper - 使用yt-dlp与OpenAI Whisper生成多语言YouTube字幕

GithubPythonWhisperffmpegyt-dlp字幕生成开源项目

该项目结合yt-dlp与OpenAI的Whisper技术，能够高效生成各种YouTube视频的字幕文件。通过简单的命令行操作，可生成VTT文件，并且默认使用small模型即可实现高质量的英文转录。对于其他语言，可选用更大型的模型来提升识别效果。项目还支持将字幕翻译成英文。运行需要Python 3.7或以上版本以及ffmpeg安装。此项目基于MIT许可证开源，详情请参考项目仓库的使用指南。

whispercpp - Python绑定实现高效语音识别

GithubPybind11Python绑定whisper.cppwhispercpp开源项目语音转文字

whispercpp是一个基于Pybind11的whisper.cpp Python绑定库，为开发者提供高效的语音识别功能。该库支持快速加载预训练模型、转录音频文件，并具有实验性的流式转录功能。whispercpp提供简洁的API接口，方便快速集成whisper.cpp的功能。它还遵循XDG Base Directory规范，确保合理的文件管理。这个项目为Python开发者提供了便捷的方式来使用whisper.cpp的强大语音识别能力。

transcribe - 多语言实时转录和对话生成的开源工具

GithubOpenAITranscribe多语言支持安全功能实时转录开源项目

这个开源项目提供多语言实时转录，通过选择OpenAI GPT-4o、GPT-4、GPT-3.5等模型生成对话响应。软件具有最新的OpenAI库支持，无需Python依赖即可安装使用，并提供高安全性功能。支持麦克风和扬声器输入转换，用户可以定制提示、保存聊天记录，并可享受离线免费和在线付费的语音到文本转换服务。该工具在有GPU支持时性能最佳，并提供详细的安装指南和用户支持。

RealtimeSTT_LLM_TTS - 整合语音识别与AI对话的开源项目

GPU支持GithubRealtimeSTT唤醒词实时转录开源项目语音转文字

该项目集成语音识别、AI对话和语音合成,支持GPU加速以实现低延迟交互。具备语音检测、实时转录和唤醒词等功能,可用于开发语音助手和AI对话应用。Web界面支持个性化配置,适合快速构建语音交互系统。

GoWhisper - 跨平台本地音频转录应用注重隐私保护

AI工具AI转录GoWhisper多语言支持文件格式转换语音转文字

GoWhisper是一款跨平台桌面应用，专注于本地音频转录，确保用户隐私。支持99种语言转录，适合研究人员、播客主持人和内容创作者使用。应用提供多种AI模型、文件格式支持和导出选项，简化转录流程。其功能包括音频播放、录音转录和文本编辑，为用户提供全面的音频处理方案。

openai-whisper-talk - 多功能语音对话应用

Chat CompletionsEmbeddingsGithubOpenAIWhisperopenai-whisper-talk开源项目

openai-whisper-talk 是一个集成多项 OpenAI 技术的语音对话应用，组合了 Whisper 自动语音识别、Chat Completions 模拟对话、Text-to-Speech 语音合成功能。最新版本引入了时间表管理与长期记忆功能，能添加、修改、删除和检索事件，并保存信息供未来参考。基于 Vue.js 和 Nuxt 构建，实现了个性化互动，让对话更自然流畅。

faster-whisper-large-v2 - 多语言语音识别模型支持高效转录和翻译

CTranslate2GithubHuggingfaceWhisper开源项目模型模型转换自然语言处理语音识别

faster-whisper-large-v2是基于OpenAI Whisper large-v2模型转换的CTranslate2格式语音识别模型。该模型支持100多种语言的音频转录和翻译，性能高效且语言覆盖范围广泛。开发者可通过faster-whisper库轻松使用，实现强大的多语言语音处理。模型采用FP16格式保存权重，可在加载时根据需求调整计算类型，适应不同应用场景。

vibe - 离线音视频转录，多语言支持和多格式输出

GithubOpenAI WhisperVibe开源项目批量转录隐私音频转录

Vibe利用开源工具OpenAI Whisper进行离线音视频转录，支持几乎所有语言，保证数据隐私。软件界面友好，支持多种文件格式如SRT、VTT、TXT、HTML、PDF和JSON。Vibe还具备批量转录、多语言翻译和实时预览等功能，适用于Windows、Linux和macOS系统。优化了对CPU和GPU的支持，兼容Nvidia和AMD GPU。用户可以通过命令行接口进行操作，并提供HTTP API文档。其他功能包括系统音频转录、麦克风转录、说话人分割，未来还将支持iOS和Android。

相关项目

推荐项目

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com